AI界新年的第一顆重磅炸彈來了！2月16日凌晨，OpenAI帶來了它們全新的視頻生成模型——Sora。

它的重要性，完全不亞于ChatGPT的出現。換句話講，從現在開始，你看到的視頻或者動圖，全都可以由Sora模擬生成，而不需要實際拍攝。它可以“秒殺”目前市面上的文字生成視頻模型。

相較于Gen2的4秒，Pika的3秒，Sora直接把生成視頻的時長拉長到了1分鐘。從Sora官方發布的視頻可以看出，整體的畫面非常符合人類給出的提示詞：一位時尚女性走在充滿溫暖霓虹燈的東京街道上，她穿著黑色皮夾克、紅色長裙和黑色靴子，拎著黑色錢包，戴著太陽鏡，涂著紅色口紅。她走路自信又隨意。街道潮濕且反光，在彩色燈光的照射下形成鏡面效果，許多行人走來走去。

如果不說，這個視頻的畫面絕對讓99%的人都真假難辨！街道積水上的倒影，霓虹的燈牌等細節都十分經得起推敲。

更重要的是，它生成的視頻，還少了之前AI生成視頻的閃爍感，生成的幀與幀之間連接非常絲滑，就像實拍一樣。

不僅如此，Sora生成的1分鐘視頻中，還包含了不同景別的鏡頭，比如從全景切換到特寫，臉上的痘印清晰可見等細節，更是讓人驚嘆。

除了1分鐘的長鏡頭，OpenAI還放出了30多個Demo，比如小熊貓在長出竹子的培養皿上嬉戲奔跑，兩個海盜船在咖啡杯里面互相爭斗，一個20多歲的年輕人坐在云朵上看書……它都可以搞定，要知道，這在以前可是需要專業的特效人員花費很長時間才能做出來的東西！

除了細節、畫質和連續性，Sora在語義理解、視頻風格上也非常到位。像用3D動畫的形式，描寫一個毛茸茸小怪物在融化蠟燭旁邊。或者是跳Disco的袋鼠，它都可以正確地理解并且生成出來。這意味著以后人人都有可能成為動畫片導演。

Sora另一個大突破，就是它懂得了現實世界的物理關系，比如提示詞中的輪胎揚起的塵土，是在汽車后面玻璃反射的倒影會根據環境的不同呈現不同的變化。金毛幼犬在雪地里被覆蓋應該是什么樣子的。

2023年的2月，Runway發布了文字生成視頻模型Gen系列，僅僅過去一年，AI生成視頻的質量，就已經從看起來十分鬼畜的樣子，跨越到這樣的以假亂真地步，不真實的油畫感也完全消失不見。真不知道接下來AI還會進化到什么樣子。

當然，目前的Sora還有一些不完美的地方，OpenAI也沒有避諱，直接表明，目前Sora針對復雜環境中的物理效果、因果關系、空間和時間上推理上，還有些搞不清楚。比如輸入關鍵詞：以平面印刷的效果，展示一個跑步的場景，你會發現，這個人在跑步機上朝著相反的方向前進。

再或者考古學家在沙漠中發現了一把普通的塑料椅子，他們小心翼翼地挖掘并除塵。你會發現椅子并沒有被Sora理解為一剛性物體，導致物理交互不準確。同樣的，還有影分身的小狼等等。

不過這些都難以掩飾這次Sora給AI界帶來的巨大革新，當人們以為AI只能生成真假難辨的靜態圖片的時候，OpenAI卻告訴我們，視頻也可以這樣玩。

2024年的開年很熱鬧，英偉達發布了Chat With RTX，谷歌把Gemini更新到了1.5，OpenAI突放大招——Sora，看來今年又是AI帶給我們驚喜的一年。

（本文為作者觀點，責任自負，并不代表本刊及其主辦、主管機構觀點）